71
2. Data Penelitian
KODE PROFIT
UMUR T.ASET A.DELAY
2011 ADES
8.18 17
12.66 79
CEKA 11.70
15 27.44
72
DLTA 21.79
27 20.36
87
ICBP 13.57
1 16.54
75
INDF 9.13
17 17.80
75
MYOR 7.33
21 29.52
39
ROTI
15.27 1
27.36 72
SKLT 2.79
18 26.09
75
STTP 4.57
15 27.56
96
ULTJ 5.89
21 28.41
86
2012 ADES
21.43 18
12.87 67
CEKA 5.68
16 27.66
70
DLTA 28.64
28 20.43
86
ICBP 12.86
2 16.69
70
INDF 8.06
18 17.90
70
MYOR 8.97
22 29.75
87
ROTI
12.38 2
27.82 37
SKLT
3.19 19
26.24 70
STTP 5.97
16 27.85
86
ULTJ 14.60
22 28.52
84
2013 ADES
12.62 19
13.00 73
CEKA 6.08
17 27.70
66
DLTA
31.20 29
20.58 86
ICBP
10.51 3
16.87 76
INDF 4.40
19 18.17
76
MYOR 10.44
23 29.90
85
ROTI 8.67
3 28.23
48
SKLT 3.79
20 26.43
78
STTP 7.78
17 28.02
86
ULTJ 11.56
23 28.66
83
2014 ADES
6.14 20
13.13 89
CEKA 3.19
18 27.88
85
DLTA 29.04
30 20.72
86
ICBP 10.16
4 17.03
71
INDF 5.99
20 18.27
71
MYOR 3.98
24 29.96
86
ROTI 8.80
4 28.39
79
SKLT 4.97
21 26.53
75
STTP 7.26
18 28.16
86
ULTJ 9.71
24 28.70
89
Universitas Sumatera Utara
72
3. Analisis Regresi
Universitas Sumatera Utara
73
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
40 Normal Parameters
a,b
Mean 0E-7
Std. Deviation 11.09020114
Most Extreme Differences Absolute
.127 Positive
.127 Negative
-.116 Kolmogorov-Smirnov Z
.806 Asymp. Sig. 2-tailed
.534 a. Test distribution is Normal.
b. Calculated from data.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
64.239 4.593
13.985 .000
PROFIT -.017
.266 -.010
-.065 .949
.946 1.057 UMUR
.736 .232
.473 3.172
.003 .946 1.057
a. Dependent Variable: A.DELAY
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.471
a
.222 .180
11.38599 2.091
a. Predictors: Constant, UMUR, PROFIT b. Dependent Variable: A.DELAY
Universitas Sumatera Utara
74
ANOVA
a
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
1367.065 2
683.533 5.273
.010
b
Residual 4796.710
37 129.641
Total 6163.775
39 a. Dependent Variable: A.DELAY
b. Predictors: Constant, UMUR, PROFIT
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
64.239 4.593
13.985 .000 PROFIT
-.017 .266
-.010 -.065 .949
UMUR .736
.232 .473
3.172 .003 a. Dependent Variable: A.DELAY
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.471
a
.222 .180
11.38599 2.091
a. Predictors: Constant, UMUR, PROFIT b. Dependent Variable: A.DELAY
Universitas Sumatera Utara
75
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
40 Normal Parameters
a,b
Mean 0E-7
Std. Deviation 12.21745874
Most Extreme Differences Absolute
.166 Positive
.104 Negative
-.166 Kolmogorov-Smirnov Z
1.048 Asymp. Sig. 2-tailed
.222 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
76
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
70.777 4.786
14.787 .000
ZscorePROFIT -.504
2.599 -.040
-.194 .847
.614 1.630 ZscoreLN.T.ASET
.795 2.165
.063 .367
.716 .885 1.130
ABSPRO.ASET 4.084
3.141 .266
1.300 .202
.625 1.599 a. Dependent Variable: A.DELAY
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 .236
a
.056 -.023
12.71633 1.957
a. Predictors: Constant, ABSPRO.ASET, ZscoreLN.T.ASET, ZscorePROFIT b. Dependent Variable: A.DELAY
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
70.777 4.786
14.787 .000
ZscorePROFIT -.504
2.599 -.040
-.194 .847
ZscoreLN.T.ASET .795
2.165 .063
.367 .716
ABSPRO.ASET 4.084
3.141 .266
1.300 .202
a. Dependent Variable: A.DELAY
Universitas Sumatera Utara
77
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
40 Normal Parameters
a,b
Mean 0E-7
Std. Deviation 10.85977136
Most Extreme Differences Absolute
.103 Positive
.085 Negative
-.103 Kolmogorov-Smirnov Z
.654 Asymp. Sig. 2-tailed
.785 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
78
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
79.488 3.108
25.578 .000
ZscoreUMUR 5.573
1.848 .443
3.016 .005
.960 1.042 ZscoreLN.T.ASET
-1.497 1.975
-.119 -.758
.453 .840 1.191
ABSUMUR.ASET -2.920
2.424 -.192
-1.205 .236
.813 1.230 a. Dependent Variable: A.DELAY
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .504
a
.254 .192
11.30321 2.193
a. Predictors: Constant, ABSUMUR.ASET, ZscoreUMUR, ZscoreLN.T.ASET b. Dependent Variable: A.DELAY
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
79.488 3.108
25.578 .000
ZscoreUMUR 5.573
1.848 .443
3.016 .005
ZscoreLN.T.ASET -1.497
1.975 -.119
-.758 .453
ABSUMUR.ASET -2.920
2.424 -.192
-1.205 .236
a. Dependent Variable: A.DELAY
Universitas Sumatera Utara
68
DAFTAR PUSTAKA
Astuti, Christina Dwi. 2007. Faktor-faktor yang berpengaruh terhadap ketepatan waktu pelaporan keuangan
”. Jurnal Informasi, Perpajakan, Akuntansi dan Keuangan Publik Volume 2, No. 1, Januari, Hal. 27-42.
Bapepam. “Kewajiban Penyampaian Laporan Berkala Oleh Perusahaan Efek”, Juli, Kep-06BL2011
Dewi, Karina Mutiara, dan Sugeng Pamudji. 2013, Analisis Faktor-Faktor Yang Mempengaruhi Ketepatan Waktu dan Audit Delay Penyampaian Laporan
Keuangan Studi Empiris pada Perusahaan Manufaktur Yang Terdaftar di BEI Periode 2007-2011.Fakultas Ekonomika dan Bisnis.
Erlina, 2008. Metodologi Penelitian Bisnis : Untuk Akuntansi dan Manajemen, Edisi Revisi, USU Press, Medan.
Ghozali, Imam. 2009, Aplikasi Analisis Multivariate dengan Program SPSS, edisi 4, Cetakan keempat, Semarang: Badan Penerbit UNDIP.
Indra, Novelia S. dan Dicky Arisudhana. 2011. Faktor-faktor yang Mempengaruhi Audit Delay pada Perusahaan Go Public di Indonesia Studi Empiris pada
Perusahaan Property dan Real Estate di Bursa Efek Indonesia periode 2007- 2010. Universitas Budi Luhur. Jakarta.
Kartika, Andi. 2009. “Faktor-Faktor yang Mempengaruhi Audit Delay di
Indonesia Studi Empiris Pada Perusahaan-Perusahaan LQ 45 yang Terdaftar di Bursa Efek Jakarta
”, Jurnal Bisnis dan Ekonomi, Volume 16, No 1 Maret Hal 1-17.
Lestari, Dewi.2010. “Analisis Faktor-Faktor Yang Mempengaruhi Audit Delay
Pada Perusahaan Consfumer Goods”. Fakultas Ekonomi Diponogoro. Semarang.
Mulyadi. 2002. Auditing Buku 1, Edisi Keenam. Jakarta : Salemba Empat. Pernyataan Standar Akuntansi Keuangan No. 1 Revisi 2009 Penyajian Laporan
Keuangan. Dewan
Standar Akuntansi
Keuangan-Ikatan Akuntansi
Indonesia, Jakarta. Rachmawati, Sistya. 2008. “Pengaruh Faktor Internal dan Eksternal Perusahaan
Terhadap Audit Delay dan Timeliness”,Jurnal Akuntansi dan Keuangan, Volume 10, No 1 Mei Hal 1-10.
Universitas Sumatera Utara
69 Rahayu, Siti Kurnia.2010. “Auditing Konsep Dasar dan Pedoman Pemeriksaan
Akuntan Publik”.Graha Ilmu: Yogyakarta. Saleh, R, 2004. Studi Empiris Ketepatan Waktu Pelaporan Keuangan Perusahaan
Manufaktur di Bursa Efek Jakarta, Simposium Nasional Akuntansi VII Ikatan Akuntan Indonesia.
Sugiyono, 2006. Metode Penelitian Bisnis, CV. Alfabeta, Bandung. Sulthoni, Mochamad. 2012. “Determinan Audit Delay dan Pengaruhnya Terhadap
Reaksi Investor”. Jurnal Akuntansi dan Ekonomi Bisnis Vol.1 No.1 Tahun 2012.
Supranoto. 1990. Prinsip-Prinsip Akuntansi. Edisi 14, cetakan ketiga. Jakarta: Penerbit Erlangga.
Trianto, Yugo. 2006. Faktor-Faktor yang Berpengaruh terhadap Audit Delay Studi Empiris pada PerusahaanPerusahaan Go Public di Bursa Efek
Indone sia, Skripsi, Universitas Pembangunan Nasional “Veteran”
Yogyakarta. Utami, Wiwik.2006.“Analisis Determinan Audit Delay Kajian Empiris Di Bursa
Efek Jakarta”, Buletin Penelitian No.09. Wirakusuma, Made Ge
de. 2004. ”Faktor-Faktor Yang Mempengaruhi Rentang Waktu Penyajian Laporan Keuangan ke Publik”, Simposium Nasional
Akuntansi VII: 1202-1222. www.idx.co.id
www.sahamok.com
Universitas Sumatera Utara
24
BAB III METODE PENELITIAN
3.1. Jenis Penelitian
Jenis penelitian yang dilakukan bersifat kausal. Kausal merupakan penelitian yang bertujuan untuk mengetahui atau membuktikan hubungan sebab
dan akibat atau hubungan mempengaruhi dan dipengaruhi dari variabel-variabel yang diteliti.
3.2. Tempat dan Waktu Penelitian
Penelitian ini di lakukan terhadap perusahaan makanan dan minuman yang terdaftar di Bursa Efek Indonesia selama tahun 2011-2014 dengan mengakses
situs www.idx.co.id.
3.3. Definisi Operasional Variabel
Menurut Erlina
2008 “defenisi operasional yaitu menjelaskan
karakteristik dari objek ke dalam elemen-elemen yang dapat diobservasi yang menyebabkan konsep dapat diukur dan dioperasionalkan ke dalam penelitian”.
Variable dalam penelitian ini dapat diklasifikasikan menjadi 3 yaitu: Variabel independen, variabel dependen dan variabel moderator.
3.3.1. Variabel Bebas
Variabel bebas independent variable adalah variabel yang menyebabkan atau mempengaruhi faktor-faktor yang diukur, dimanipulasi
atau dipilih oleh peneliti untuk menentukan hubungan antara fenomena
Universitas Sumatera Utara
25 yang diobservasi atau diamati. Variabel independen yang digunakan dalam
penelitian ini adalah profitabilitas dan umur perusahaan. a. Profitabilitas
Profitabilitas adalah
kemampuan perusahaan
menghasilkan laba,
baikdalam hubungannya dengan penjualan, aset maupun modal saham tertentu. Perusahaan yang tingkat profitabilitasnya tinggi diduga waktu
yang diperlukan untuk menyelesaikan auditnya akan lebih pendek. Dalam penelitian ini, profitabilitas diukur dengan return on assets
ROA.
b. Umur Perusahaan Umur perusahaan menunjukkan lamanya waktu keberadaan perusahaan
hingga saat penelitian dilakukan. Dalam hal ini umur perusahaan diukur dengan selisih periode awal berdirinya perusahaan dengan tahun
penelitian Astuti, 2007. Umur Perusahaan = Tahun Penelitian
– Tahun IPO
3.3.2. Variabel Terikat
Variabel terikat dependent variable adalah faktor-faktor yang diobservasi dan diukur untuk menentukan adanya pengaruh variabel bebas,
yaitu faktor yang muncul, tidak muncul, atau berubah sesuai dengan yang diperkenalkan oleh peneliti.
Universitas Sumatera Utara
26 Variabel dependen yang digunakan dalam penelitian ini adalah audit delay
yang diukur dengan satuan hari. Pengertian audit delay adalah adanya masa tenggang yang cukup
panjang yaitu jumlah hari antara tanggal penutupan tahun buku sampai tanggal penandatanganan laporan auditan. Selain itu, audit delay juga
dapat diartikan sebagai lamanya waktu penyelesaian yang diukur dari tanggal penutupan tahun buku hingga tanggal diterbitkannya laporan audit.
Variabel ini diukur secara kuantitatif dalam jumlah hari.
3.3.3. Variabel Moderator
Variabel moderator adalah faktor-faktor atau aspek-aspek yang diukur, dimanipulasi, atau dipilih oleh peneliti untuk menentukan apakah
variabel tersebut mengubah hubungan antara variabel bebas dan variabel terikat.
Variabel moderating yang digunakan dalam penelitian adalah ukuran perusahaan.Ukuran Perusahaan dapat diartikan sebagai suatu skala
yang dapat diklasifikasikan sebagai besar kecil perusahaan dengan berbagai cara antara lain dinyatakan dalam total aktiva, nilai pasar saham,
dan lain-lain. Dalam penelitian ini, ukuran perusahaan diproksi dengan menggunakan logaritma.
Untuk lebih jelasnya, operasionalisasi dan pengukuran variabel yang diteliti dalam penelitian ini ditunjukkan pada Tabel 3.1
Universitas Sumatera Utara
27
Tabel 3.1 Definisi Operasional dan Skala Pengukuran Variabel
No Variabel
Penelitian Definisi
Operasional Parameter
Skala
1 Variabel
Dependen: Audit Delay
Lamanya waktu
penyelesaian audit
dari akhir
tahun fiskal
perusahaan sampai
tanggal laporan
audit dikeluarkan.
Jumlah hari
antara tanggal
penutupan tahun
buku sampai
dengan diterbitkannya
laporan audit Rasio
2 Variabel
Independen: Profitabilitas
Kemampuan perusahaan
dalam menghasilkan laba.
Rasio 3
Umur Perusahaan
Menunjukkan lamanya
waktu keberadaan
perusahaan hingga saat
penelitian dilakukan.
Selisih periode
awal berdirinya
perusahaan dengan tahun penelitian
Nominal
4 Variabel
Moderating: Ukuran
Perusahaan Besar
kecilnya perusahaan
klien dilihat
dari total
aset yang
dimilikinya. Ln Total Aset
Rasio
3.4. Populasi dan Sampel Penelitian
Populasi merupakan sekelompok entitas yang lengkap yang dapat berupa orang, kejadian, atau benda yang mempunyai karakteristik tertentu, yang berada
dalam suatu wilayah dan memenuhi syarat-syarat tertentu yang berkaitan dengan masalah penelitian. Populasi dalam penelitian ini adalah perusahaan Makanan dan
Minuman yang terdaftar di Bursa Efek Indonesia, dimana perusahaan tersebut memiliki laporan keuangan pada periode 2011 hingga 2014.
Universitas Sumatera Utara
28 Metode penentuan sampel dalam penelitian ini dilakukan dengan
pendekatan non probability sampling, khususnya metode purposive sampling yaitu teknik sampling dengan metode pengambilan sampel secara tidak acak tetapi
berdasarkan atas tujuan dan kriteria tertentu. Adapun kriteria penentuan sampel dalam penelitian ini adalah :
1. Perusahaan Makanan Dan Minuman yang terdaftar di Bursa Efek Indonesia tahun 2011-2014
2. Mempublikasikan laporan keuangan yang telah di audit oleh auditor independen tahun 2011-2014 secara berturut-turut
3. Memiliki data yang lengkap terkait dengan variabel-variabel yang digunakan dalam penelitian tahun 2011-2014
Dari kriteria tersebut, maka perusahaan yang menjadi populasi penelitian sebanyak
15 perusahaan
dan sampel
penelitian ini
sebanyak 10
perusahaan.Perusahaan tersebut adalah:
Tabel 3.2 Populasi dan Sampel Penelitian
No Kode
Perusahaan Nama
Perusahaan Kriteria
Sampel 1
2 3
1
ADES Akasha Wira International Tbk
1
2
AISA Tiga Pilar Sejahtera Food Tbk
-
-
3
ALTO Tri Banyan Tirta Tbk
-
-
4
CEKA Cahaya Kalbar Tbk
2
5
DLTA Delta Djakarta Tbk
3
6
ICBP Indofood CBP Sukses Makmur Tbk
4
7
INDF Indofood Sukses Makmur Tbk
5
8
MLBI Multi Bintang Indonesia Tbk
-
-
9
MYOR Mayora Indah Tbk
6
10
PSDN Prasidha Aneka Niaga Tbk
- -
-
11
ROTI Nippon Indosari Corpindo Tbk
7
12
SKBM Sekar Bumi Tbk
-
-
13
SKLT Sekar Laut Tbk
8
Universitas Sumatera Utara
29 14
STTP Siantar Top Tbk
9
15
ULTJ Ultra Jaya Milk Industry Trading
Company Tbk
10
Keterangan :
= Memenuhi kriteria - = Tidak memenuhi kriteria
Jumlah sampel pada penelitian ini sebanyak 10 perusahaan dan tahun penelitian sebanyak 4 tahun. Maka total data adalah 40 data.
3.5. Jenis dan Sumber Data Penelitian
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder adalah data yang diperoleh seorang peneliti secara tidak langsung dari
objeknya, tetapi melalui sumber lain, baik lisan maupun tulisan Data sekunder ini diambil dari website Bursa Efek Indonesia BEI dan refenrensi dari peneliti
sebelumnya. Penelitian ini menggunakan pendekatan kuantitatif yang merupakan pengujian teori melalui pengukuran variabel penelitian dengan angka dan
melakukan analisis data dengan prosedur statistik.
3.6. Metode Pengumpulan Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder adalah data yang diperoleh seorang peneliti secara tidak langsung dari
objeknya, tetapi melalui sumber lain, baik lisan maupun tulisan. Data sekunder ini diambil dari website Bursa Efek Indonesia BEI dan refenrensi dari peneliti
sebelumnya. Penelitian ini menggunakan pendekatan kuantitatif yang merupakan pengujian teori melalui pengukuran variabel penelitian dengan angka dan
melakukan analisis data dengan prosedur statistik.
Universitas Sumatera Utara
30
3.7. Teknik Analisis Data
Dalam melakukan analisis data digunakan metode deskriptif kuantitatif, yaitu dengan mengumpulkan, mengolah dan menginterpretasikan hasil yang
diperoleh. Teknik yang digunakan dalam penelitian ini adalah teknik analisis statistik, yaitu uji asumsi klasik, pengujian hipotesis, analisis regresi berganda dan
analisis regresi dengan variabel moderator.
3.7.1. Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis dan uji analisis regresi linear berganda, maka hal yang pertama dilakukan adalah uji asumsi
klasik, yang bertujuan untuk mendapatkan nilai estimasi yang diperoleh bersifat BLUE Best, Linear, Unbiased, and Estimator, yang artinya nilai
estimator yang terbaik, estimator yang linear, dan estimator yang tidak bias, maka data-data yang digunakan dalam analisis regresi terlebih dahulu
akan diuji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
a. Uji Normalitas Tujuan uji normalitas adalah untuk mengetahui apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data.
Jika data normal, maka digunakan statistik parametrik, dan jika data tidak normal maka digunakan statistik nonparametrik atau lakukan
treatment agar data normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal. Untuk melihat normalitas
Universitas Sumatera Utara
31 dapat dilakukan dengan melihat histogram atau pola distribusi data
normal. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram
dari nilai residualnya. Dasar pengambilan keputusannya adalah: 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal atau garis histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas,
2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data berdistribusi
normal, maka model regresi tidak memenuhi asumsi normalitas. Dalam
penelitian ini
Peneliti menggunakan
uji Kolmogorov-
Smirnov K-S untuk menguji normalitas data. Uji K-S dibuat dengan membuat hipotesis:
H0 : data residual berdistribusi normal, Ha : data residual tidak berdistribusi normal.
b. Uji Multikolinieritas Menurut Ghozali 2009:91, uji ini bertujuan untuk menguji apakah
model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara
variabel independen. Multikolinieritas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya.
Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah:
Universitas Sumatera Utara
32 a. Koefisien-koefisien regresi menjadi tidak dapat ditaksir,
b. Nilai standar error setiap koefisien regresi menjadi tak terhingga. Ada tidaknya multikolinieritas dapat dideteksi dengan melihat nilai
tolerance dan variance inflation factor VIF, serta dengan menganalisis matriks korelasi variabel-variabel independen. Nilai cut
off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah jika nilai tolerance0,1 atau sama dengan nilai VIF10, maka
model dapat dikatakan terbebas dari multikolinearitas. c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu
pengamatan dengan pengamatan yang lain. Menurut Ghozali
2009:125 Model regresi yang baik adalah yang homoskesdatisitas atau tidak terjadi heteroskedastisitas. Cara memprediksi ada tidaknya
heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot. Analisis pada gambar Scatterplot yang menyatakan
model regresi berganda tidak terdapat heteroskedastisitas jika: a. Titik-titik data menyebar di atas, di bawah atau di sekitar angka
nol, b. Titik-titik data tidak mengumpul hanya di atas atau dibawah,
c. Penyebaran titik-titik
data tidak
boleh membentuk
pola bergelombang
melebar kemudian
menyempit dan
melebar kembali,
Universitas Sumatera Utara
33 d. Penyebaran titik-titik data sebaiknya tidak berpola.
d. Uji Autokorelasi Uji ini bertujuan untuk melihat apakah dalam suatu model regresi
linear terdapat korelasi atau kesalahan pengganggu pada periode t dengan kesalahan periode t-1. Jika terjadi autokorelasi, maka
terdapat problem
autokorelasi. Menurut
Ghozali 2009:99,
autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Hal ini sering ditemukan
pada data time series. Pada data cross section, masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam penelitian untuk
mendeteksi ada tidaknya autokorelasi adalah dengan menggunakan uji Durbin-Watson DW. Kriteria untuk penilaian terjadinya
autokorelasi yaitu: a. Nilai D-W lebih kecil dari -2 berarti ada korelasi positif,
b. Nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, c. Nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif.
3.7.2.Pengujian Hipotesis
a. Uji Statistik F Uji Simultan Menurut Ghozali 2009:88 pengujian hipotesis distribusi F pada
model regresi berganda dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Rumusan hipotesis
yang diuji adalah sebagai berikut:
Universitas Sumatera Utara
34 Terima H
tolak H
a
bila F
hitung
≤ F
tabel
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya tidak terdapat pengaruh yang
signifikan secara serentak dari variabel bebas terhadap variabel terikat, tolak H
terima H
a
bila F
hitung
F
tabel
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya terdapat pengaruh yang signifikan
secara serentak dari variabel bebas terhadap variabel terikat. b. Uji Statistik t Uji Parsial
Menurut Ghozali 2009:88 uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam
menerangkan variasi variabel terikat. Tujuan dari uji t adalah untuk menguji koefisien regresi secara individual.
Rumusan Hipotesis yang akan diuji adalah sebagai berikut: H
diterima bila t
tabel
t
hitung
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya tidak terdapat pengaruh yang signifikan dari
variabel bebas secara parsial terhadap variabel terikat, H
a
diterima bila t
hitung
t
tabel
,atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya terdapat pengaruh yang signifikan dari variabel
bebas secara parsial terhadap variabel terikat. c. Pengujian Koefisien Determinan R
2
Menurut Ghozali 2009: 87 pengujian koefisien determinan dilakukan untuk melihat seberapa besar pengaruh variabel bebas terhadap
variabel terikat. Pengujian ini dilakukan dengan melihat nilai koefisien
determinan. Koefisien determinan R
2
merupakan besaran non negatif dan
Universitas Sumatera Utara
35 besarny
a koefisien determinasi adalah 0≤R2≤1. Jika koefisien determinan bernilai 0, maka tidak ada hubungan antara variabel bebas
dengan variabel terikat. Sebaliknya jika koefisien determinan bernilai 1, maka ada keterikatan sempurna antara variabel bebas dengan variabel
terikat. Uji Determinasi, untuk melihat besarnya kontribusi pengaruh variabel bebas dan variabel terikat dapat dihitung dengan rumus:
D = r
2
x 100 . 3.7.3. Analisis Regresi Linear Berganda
Analisis regresi
linier berganda
digunakan dengan maksud meramalkan bagaimana keadaan naik-turunnya variabel dependen bila
dua atau lebih variabel independen dimanipulasi Sugiyono, 2006:210. Analisis ini menggunakan teknik analisis statistik SPSS dengan metode
analisis regresi linear berganda.Dalam model ini dinyatakan laporan audit wajar tanpa pengecualian dan audit report lag berpengaruh terhadap harga
saham. Pengujian terhadap model tersebut dengan mengidentifikasi nilai dan probabilitas b1 adalah sebagai berikut:
Y = a + b1X
1
+ b
2
X
2
e Dimana:
Y = Audit Delay
X
1
= Profitabilitas X
2
= Umur Perusahaan a
= Konstanta b
= Koefisien regresi e
= Standard Error
Universitas Sumatera Utara
36
3.7.4. Analisis Regresi dengan Variabel Moderating
Dalam penelitian ini, metode yang digunakan untuk melakukan uji regresi dengan variabel moderator adalah Moderated Regression Analysis
atau uji interaksi. Menurut Ghozali 2009:164, Moderated Regression Analysis MRA merupakan aplikasi khusus regresi berganda linear
dimana dalam
persamaan regresinya
mengandung unsur
interaksi perkalian dua atau lebih variabel independen dengan rumus persamaan
sebagai berikut : Y = a1+ b1X1+ b3X3+ b5X1X3+ e1
Y = a2+ b2X2+ b4X3+ b6X2X3+ e2 Dimana :
Y = Audit Delay
a = Konstansta
b = Koefisien regresi
X1 = Profitabilitas
X2 = Umur Perusahaan
X3 = Ukuran Perusahaan
e = Standard error
Jika variabel X3 merupakan variabel moderating, maka koefisien b5 dan b6 harus signifikan pada tingkat signifikansi yang ditentukan.
Apabila variabel X3 semakin tinggi maka akan berpengaruh terhadap tingginya variabel Y.
Universitas Sumatera Utara
37
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian 4.1.1. Analisis Deskriptif
Pada bagian analisis deskriptif akan digambarkan data dari masing- masing variabel yang telah diolah berdasarkan nilai minimun, maksimum,
rata-rata, dan standar deviasi. Variabel dalam penelitian ini adalah profitabilitas X1, umur perusahaan X2, dan Audit Delay Y serta
variabel moderasi yaitu Ukuran Perusahaan Z. Hasil pengujian statistik deskriptif dapat dilihat pada Tabel 4.1 berikut ini:
Tabel 4.1 Analisis Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation PROFIT
40 2.79
31.20 10.4573
7.06103 UMUR
40 1.00
30.00 16.8000
8.08037 LN.T.ASET
40 12.66
29.96 23.6450
5.78069 Valid N listwise
40
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan Tabel
4.1 dapat
dijelaskan bahwa
rata-rata profitabilitas yang diukur dengan Return on Asset ROA adalah
10.4573, nilai maksimum 31.20, dan nilai minimum 2.79; kemudian rata-rata umur perusahaan adalah 16 tahun, dengan nilai maksimum 30
tahun, dan nilai minimum 1 tahun; dan nilai rata-rata Logaritma Natural Total Aset Ln Total Asset untuk mengukur Ukuran Perusahaan adalah
23.6450, dengan nilai maksimum 29.96 dan nilai minimum 12.66.
Universitas Sumatera Utara
38
4.1.2 Uji Analisis Regresi Berganda 4.1.2.1 Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar
diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi;
Uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.
a. Uji Normalitas Uji normalitas dilakukan untuk mengetahui apakah data
yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang
pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.1.
Gambar 4.1 Grafik Histogram
Universitas Sumatera Utara
39
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan gambar 4.1 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data
hanya dilihat
dari grafik histogram, maka hal ini dapat
menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat
normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka
garis yang
akan menggambarkan
data sesungguhnya akan mengikuti
garis diagonalnya. Uji normalitas dengan melihat normal probability plot dapat dilihat dalam gambar 4.2 berikut:
Gambar 4.2 Grafik Normal P-Plot
Berdasarkan grafik profitabilitas pada gambar 4.2 di atas menunjukkan bahwa data telah terdistribusi secara normal karena
Universitas Sumatera Utara
40 distribusi data residualnya mengikuti arah garis diagonal garis
normal. Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang
terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan
dengan nilai signifikansi dibawah 0.05.
Tabel 4.2 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
40 Normal Parameters
a,b
Mean 0E-7
Std. Deviation 11.09020114
Most Extreme Differences Absolute
.127 Positive
.127 Negative
-.116 Kolmogorov-Smirnov Z
.806 Asymp. Sig. 2-tailed
.534 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan hasil uji normalitas dengan Kolmogorov- Smirnovdiatas, terlihat bahwa data telah terdistribusi dengan
normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.534 dan nilai Kolmogorov-Smirnov Z sebesar
0.806. b. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika
Universitas Sumatera Utara
41 variance dari residual satu pengamatan ke pengamatan lain berbeda
disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas
dapat dilakukan
dengan melihat
grafik scatterplot, dengan dasar analisis.
1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur
bergelombang, melebar
kemudian menyempit,
maka mengindikasikan
telah terjadi
heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.3 berikut:
Gambar 4.3 Grafik Scatterplot
Universitas Sumatera Utara
42
Sumber: Hasil Pengolahan SPSS Mei 2016
Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0
pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang
digunakan. c. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model
regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas.
Pada uji
multikolinearitas ini dapat dilihat melalui nilai inflation factor VIF dan Tolerance.
Tabel 4.3 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant
64.239 4.593
PROFIT -.017
.266 -.010
.946 1.057 UMUR
.736 .232
.473 .946 1.057
a. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan aturan Variance Inflation Factor VIF dan
Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari
0.10 maka
dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari
0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam
Universitas Sumatera Utara
43 penelitian ini data yang digunakan dalam uji multikolinearitas ini
adalah data dari variabel independen. Berdasarkan tabel 4.3. diatas diketahui masing-masing nilai VIF berada dibawah 10, dan nilai
Tolerance diatas 0.1, maka dapat dipastikan data dari variabel independen tidak terjadi multikolinearitas.
d. Uji Autokorelasi Uji autokorelasi dilakukan untuk menguji apakah sebuah
model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau
sebelumnya. Jika
terjadi korelasi
dinamakan ada
masalah autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi,
peneliti menggunakan Durbin-Watson DW test. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pengambilan
keputusan pada asumsi ini memerlukan dua nilai bantu yang diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K =
jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW berada diantara nilai du hingga 4-du, berarti asumsi tidak terjadi
autokorelasi terpenuhi.
Adapun kriteria
dalam penentuan
autokorelasi adalah sebagai berikut : 1 Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi.
2 Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status autokorelasi tidak dapat dijelaskan inconclusive.
Universitas Sumatera Utara
44 3 Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non
Autokorelasi. Tabel 4.5 digunakan untuk melihat nilai Durbin Watson yang
didapat dengan menggunakan bantuan SPSS Versi 20. Tabel DW menunjukkan bahwa dengan n = 40, K = 2, maka akan diperoleh
nilai dl = 1.3908 dan du = 1.6000 dan 4-du = 4 – 1.6000 = 2.4000.
Hasil pengujian autokorelasi dapat dilihat pada tabel berikut:
Tabel 4.4 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.471
a
.222 .180
11.38599 2.091
a. Predictors: Constant, UMUR, PROFIT b. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan hasil pengujian Durbin-Watson dengan SPSS maka diperoleh nilai Durbin-Watson sebesar 1.3908 2.091
2.4000 yang berarti berdasarkan kriteria Durbin-Watson hasil tersebut tidak terjadi autokorelasi.
4.1.2.2. Uji Hipotesis
a. Uji Simultan Uji F Uji F dilakukan untuk mengetahui pengaruh seluruh variabel
independen yakni profitabilitas dan umur perusahaan terhadap audit delay secara bersama-sama, yang ditunjukkan pada Tabel 4.5 berikut
ini:
Universitas Sumatera Utara
45
Tabel 4.5 Uji Simultan Uji F
ANOVA
a
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
1367.065 2
683.533 5.273 .010
b
Residual 4796.710
37 129.641
Total 6163.775
39 a. Dependent Variable: A.DELAY
b. Predictors: Constant, UMUR, PROFIT
Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan Tabel 4.5 diketahui bahwa secara bersama-
sama, seluruh variabel independen yaitu profitabilitas dan umur perusahaan berpengaruh secara positif dan signifikan terhadap audit
delay. Hal ini dapat dibuktikan dengan nilai F hitung sebesar 5.273 yang lebih besar dari nilai F tabel yaitu sebesar 3.24 dan nilai
signifikansi 0.010 lebih kecil dari 0.05, sehingga disimpulkan bahwa profitabilitas
dan umur
perusahaan berpengaruh
positif dan
signifikan terhadap audit delay. b. Uji Parsial Uji-t
Uji t dilakukan untuk menguji pengaruh pada masing-masing variabel independen profitabilitas dan umur perusahaan terhadap
audit delay. Untuk menguji pengaruh parsial tersebut dapat dilakukan dengan cara berdasarkan nilai signifikansi. Jika nilai
signifikansi lebih kecil dari 0.05 atau 5 maka hipotesis yang diajukan diterima atau dikatakan signifikan namun apabila nilai
signifikansi lebih besar dari 0.05 atau 5 maka hipotesis ditolak atau dikatakan tidak signifikan.
Universitas Sumatera Utara
46 Hasil uji t dapat dilihat pada Tabel 4.6 berikut:
Tabel 4.6 Uji Parsial Uji-t
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
64.239 4.593
13.985 .000 PROFIT
-.017 .266
-.010 -.065 .949
UMUR .736
.232 .473
3.172 .003 a. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan Tabel 4.6 dapat disimpulkan bahwa nilai t hitung variabel profitabilitasadalah sebesar -0.065 1.685 dan nilai
signifikansi 0.949 0.05 yang berarti profitabilitas berpengaruh negatif namun tidak signifikan terhadap audit delay.
Berdasarkan Tabel 4.6 juga dapat disimpulkan bahwa nilai t hitung variabel umur perusahaan adalah 3.172 1.685 dan nilai
signifikansi 0.003 0.05 yang berarti bahwa umur perusahaan berpengaruh positif dan signifikan terhadap audit delay. Tabel 4.6
juga menunjukkan
mengenai model
regresi berganda
yang digunakan, yaitu:
Y = 64.239 – 0.017X1 + 0.736X2 + e
Nilai 64.239 menunjukkan bahwa apabila nilai profitabilitas dan umur perusahaan adalah konstan, maka rata-rata audit delay
perusahaan adalah 64.239 hari, kemudian nilai -0.017 menunjukkan bahwa peningkatan profitabilitas perusahaan sebanyak 1 satuan akan
menurunkan audit delay sebanyak 0.017 satuan, kemudian 0.736
Universitas Sumatera Utara
47 menunjukkan bahwa apabila umur perusahaan meningkat sebanyak 1
satuan maka akan meningkatkan audit delay sebanyak 0.736 satuan. c. Uji Koefisien Determinasi Uji R
Uji koefisien
determinasi R
2
ini digunakan
untuk menggambarkan kemampuan model menjelaskan variasi yang terjadi
dalam variabel dependen. Koefisien determinasi R
2
dinyatakan dalam persentase. Nilai yang mendeakati satu berarti variabel
independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Besarnya nilai
koefisien determinasi R
2
dapat dilihat pada Tabel 4.7 berikut:
Tabel 4.7 Uji Koefisien Determinasi Uji R
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.471
a
.222 .180
11.38599 2.091
a. Predictors: Constant, UMUR, PROFIT b. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan tabel diatas menunjukkan koefisien korelasi R
dan koefisien determinasi R
2
. Nilai R menunjukkan tingkat hubungan
antar variabel-variabel
independen dengan
variabel dependen. Dari hasil olah data diperoleh nilai koefisien korelasi
sebesar 0.471 atau sebesar 41.7 artinya hubungan antara variabel profitabilitas dan umur perusahaan dengan audit delay adalah cukup
erat. Berdasarkan tabel diatas ditunjukkan nilai R
2
. Dari hasil perhitungan nilai R
2
sebesar 0.222 atau sebesar 22.2 artinya 22.2
Universitas Sumatera Utara
48 variabel audit delay dipengaruhi oleh profitabilitas dan umur
perusahaan.
4.1.3. Uji Analisis Regresi I dengan Variabel Moderasi 4.1.3.1. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar
diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi;
Uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.
a. Uji Normalitas Uji normalitas dilakukan untuk mengetahui apakah data
yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang
pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.4.
Universitas Sumatera Utara
49
Gambar 4.4 Grafik Histogram
Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan gambar 4.4 terlihat bahwa pola distribusi
normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan
khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal
probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis
yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat normal probability plot
dapat dilihat dalam gambar 4.5 berikut:
Universitas Sumatera Utara
50
Gambar 4.5 Grafik Normal P-Plot
Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan grafik profitabilitas pada gambar 4.5 di atas
menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal garis
normal. Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang
terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan
dengan nilai signifikansi dibawah 0.05.
Universitas Sumatera Utara
51
Tabel 4.8 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
40 Normal Parameters
a,b
Mean 0E-7
Std. Deviation 12.21745874
Most Extreme Differences Absolute
.166 Positive
.104 Negative
-.166 Kolmogorov-Smirnov Z
1.048 Asymp. Sig. 2-tailed
.222 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan hasil uji normalitas dengan Kolmogorov-
Smirnov Data Asli diatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas
0.05 yaitu sebesar 0.222 dan nilai Kolmogorov-Smirnov Z sebesar 1.048.
b. Uji Heteroskedastisitas Uji ini bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan
ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda
disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas
dapat dilakukan
dengan melihat
grafik scatterplot, dengan dasar analisis.
1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur
bergelombang, melebar
kemudian
Universitas Sumatera Utara
52 menyempit,
maka mengindikasikan
telah terjadi
heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.6 berikut:
Gambar 4.6 Grafik Scatterplot
Sumber: Hasil Pengolahan SPSS Mei 2016 c. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model
regresi dimana prasyarat dalam model regresi adalah tidak adanya
Universitas Sumatera Utara
53 multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui
nilai inflation factor VIF dan Tolerance.
Tabel 4.9 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
Collinearity Statistics
B Std. Error
Beta Toleranc
e VIF
1 Constant
70.777 4.786
ZscorePROFIT -.504
2.599 -.040
.614 1.630 ZscoreLN.T.ASET
.795 2.165
.063 .885 1.130
ABSPRO.ASET 4.084
3.141 .266
.625 1.599 a. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan aturan Variance Inflation Factor VIF dan
Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari
0.10 maka
dinyatakan terjadi
gejala multikolinearitas,
sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam
penelitian ini data yang digunakan dalam uji multikolinearitas ini
adalah data dari variabel independen.
d. Uji Autokorelasi Uji autokorelasi dilakukan untuk menguji apakah sebuah
model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau
sebelumnya. Jika
terjadi korelasi
dinamakan ada
masalah
Universitas Sumatera Utara
54 autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi,
peneliti menggunakan Durbin-Watson DW test. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pengambilan
keputusan pada asumsi ini memerlukan dua nilai bantu yang diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K =
jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW berada diantara nilai du hingga 4-du, berarti asumsi tidak terjadi
autokorelasi terpenuhi.
Adapun kriteria
dalam penentuan
autokorelasi adalah sebagai berikut : 1 Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi.
2 Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status autokorelasi tidak dapat dijelaskan inconclusive.
3 Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non Autokorelasi.
Tabel 4.11 digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 20. Tabel
DW menunjukkan bahwa dengan n = 40, K = 2, maka akan diperoleh nilai dl = 1.3908 dan du = 1.6000 dan 4-du = 4
– 1.6000 = 2.4000.
Tabel 4.10 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.236
a
.056 -.023
12.71633 1.957
a. Predictors: Constant, ABSPRO.ASET, ZscoreLN.T.ASET, ZscorePROFIT
b. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016
Universitas Sumatera Utara
55 Berdasarkan
hasil pengujian
autokorelasi dengan
menggunakan SPSS diketahui bahwa nilai durbin-watson adalah 1.3908 1.957 2.4000 yang berarti berdasarkan kriteria tersebut
tidak terjadi autokorelasi. 4.1.3.2. Uji Hipotesis
Hasil pengujian
regresi linear
pengaruh profitabilitas
terhadap audit delay dengan ukuran perusahaan sebagai variabel moderasi
menggunakan metode
nilai selisih
mutlak yang
ditunjukkan pada Tabel 4.11 berikut:
Tabel 4.11 Uji Analisis Regresi dengan Variabel Moderasi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
70.777 4.786
14.787 .000
ZscorePROFIT -.504
2.599 -.040
-.194 .847
ZscoreLN.T.ASET .795
2.165 .063
.367 .716
ABSPRO.ASET 4.084
3.141 .266
1.300 .202
a. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016
Hasil pengujian menunjukkan model regresi sebagai berikut: AUDIT
DELAY =
70.777 -0.504ZscoreProfit
+ 0.795ZscoreLn.T.Aset + 4.084AbsProfit.Aset + e
Dari persamaan regresi tersebut maka dapat dianaliis bahwa variabel ukuran perusahaan yang diukur dengan Ln Total Aset
sebagai variabel moderasi tidak mampu memoderasi hubungan
Universitas Sumatera Utara
56 antara profitabilitas dengan audit delay karena signifikansi 0.202
0.05.
4.1.4. Uji Analisis Regresi dengan Variabel Moderasi 4.1.4.1. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar
diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji
normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.
a. Uji Normalitas Uji normalitas dilakukan untuk mengetahui apakah data yang
digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama
dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.7.
Universitas Sumatera Utara
57
Gambar 4.7 Grafik Histogram
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan gambar 4.7 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya
dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang
digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan
distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis
diagonalnya. Uji normalitas dengan melihat normal probability plot dapat dilihat dalam gambar 4.8 berikut:
Universitas Sumatera Utara
58
Gambar 4.8 Grafik Normal P-Plot
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan grafik profitabilitas pada gambar 4.8 di atas menunjukkan bahwa data telah terdistribusi secara normal karena
distribusi data residualnya mengikuti arah garis diagonal garis normal. Pengujian normalitas data secara analisis statistik dapat
dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas
0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05.
Universitas Sumatera Utara
59
Tabel 4.12 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
40 Normal Parameters
a,b
Mean 0E-7
Std. Deviation 10.85977136
Most Extreme Differences Absolute
.103 Positive
.085 Negative
-.103 Kolmogorov-Smirnov Z
.654 Asymp. Sig. 2-tailed
.785 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan hasil uji normalitas dengan Kolmogorov- Smirnov Data Asli diatas, terlihat bahwa data telah terdistribusi
dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.785 dan nilai Kolmogorov-Smirnov Z sebesar
0.654. b. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu
pengamatan ke
pengamatan lain
tetap, maka
disebut homoskedastisitas, dan jika variance dari residual satu pengamatan
ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan
dengan melihat grafik scatterplot, dengan dasar analisis. 1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang
teratur bergelombang,
melebar kemudian
Universitas Sumatera Utara
60 menyempit,
maka mengindikasikan
telah terjadi
heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.9 berikut:
Gambar 4.9 Grafik Scatterplot
Sumber: Hasil Pengolahan SPSS Mei 2016
Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada
sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.
Universitas Sumatera Utara
61 c. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model
regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui
nilai inflation factor VIF dan Tolerance.
Tabel 4.13 Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
79.488 3.108
25.578 .000
ZscoreUMUR 5.573
1.848 .443
3.016 .005
.960 1.042 ZscoreLN.T.ASET
-1.497 1.975
-.119 -.758
.453 .840 1.191
ABSUMUR.ASET -2.920
2.424 -.192
-1.205 .236
.813 1.230 a. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan aturan Variance Inflation Factor VIF dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang
dari 0.10
maka dinyatakan
terjadi gejala
multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10
maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini
adalah data dari variabel independen. Berdasarkan tabel 4.13 diatas diketahui masing-masing nilai VIF berada dibawah 10, dan nilai
Tolerance diatas 0.1, maka dapat dipastikan data dari variabel independen tidak terjadi multikolinearitas.
Universitas Sumatera Utara
62 d. Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada
periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya.
Jika terjadi
korelasi dinamakan
ada masalah
autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson DW test. Model regresi
yang baik adalah regresi yang bebas dari autokorelasi. Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu yang
diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K = jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW berada
diantara nilai du hingga 4-du, berarti asumsi tidak terjadi autokorelasi
terpenuhi. Adapun
kriteria dalam
penentuan autokorelasi adalah sebagai berikut :
1 Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi. 2 Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status
autokorelasi tidak dapat dijelaskan inconclusive. 3 Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non
Autokorelasi. Tabel 4.14 digunakan untuk melihat nilai Durbin Watson
yang didapat dengan menggunakan bantuan SPSS Versi 20. Tabel DW menunjukkan bahwa dengan n = 40, K = 2, maka akan
diperoleh nilai dl = 1.3908 dan du = 1.6000 dan 4-du = 4 – 1.6000
Universitas Sumatera Utara
63 = 2.4000.Hasil pengujian autokorelasi dapat dilihat pada tabel
berikut:
Tabel 4.14 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .504
a
.254 .192
11.30321 2.193
a. Predictors: Constant, ABSUMUR.ASET, ZscoreUMUR, ZscoreLN.T.ASET b. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016
Berdasarkan hasil pengujian di atas diketahui bahwa nilai durbin watson adalah 1.3908 2.193 2.4000 yang berarti tidak
terjadi autokorelasi. 4.1.4.2. Uji Hipotesis
Hasil regresi linear pengaruh umur perusahaan terhadap audit delay dengan ukuran perusahaan sebagai variabel moderasi
ditunjukkan pada Tabel 4.15 berikut:
Tabel 4.15 Uji Analisis Regresi dengan Variabel Moderasi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
79.488 3.108
25.578 .000
ZscoreUMUR 5.573
1.848 .443
3.016 .005
ZscoreLN.T.ASET -1.497
1.975 -.119
-.758 .453
ABSUMUR.ASET -2.920
2.424 -.192
-1.205 .236
a. Dependent Variable: A.DELAY
Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan Tabel 4.15 diketahui model regresi sebagai
berikut:
Universitas Sumatera Utara
64 AUDIT DELAY = 79.488 + 5.573ZscoreUmur
– 1.497ZscoreLn.T. Aset
– 2.920AbsUmur.Aset + e Dari persamaan regresi tersebut diketahui bahwa variabel
ukuran perusahaan
sebagai variabel
moderasi tidak
mampu memoderasi hubungan antara umur perusahaan dengan audit delay
karena nilai signifikansinya 0.236 0.05.
4.2. Pembahasan 1.
Pengaruh Profitabilitas dan Umur Perusahaan terhadap Audit Delay
Hasil penelitian menunjukkan bahwa secara simultan atau bersama sama seluruh variabel independen yaitu profitabilitas yang diukur menggunakan ROA
dan umur perusahaan berpengaruh positif dan signifikan terhadap audit delay. Hasil pengujian signifikansi simultan menunjukkan nilai F hitung sebesar 5.273
3.24 dan nilai signifikansi 0.010 0.05. hasil ini menunjukkan bahwa profitabilitas dan umur perusahaan yang meningkat, akan meningkatkan audit
delay. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Lestari 2010 yang menyatakan bahwa profitabilitas berpengaruh terhadap audit delay
dan sesuai juga dengan penelitian yang dilakukan oleh Indra 2011 yang menyatakan bahwa umur perusahaan berpengaruh signifikan terhadap audit delay.
2. Pengaruh Profitabilitas terhadap Audit Delay
Hasil penelitian menunjukkan bahwa profitabilitas tidak berpengaruh signifikan terhadap audit delay. Hasil penelitian ini ditunjukkan oleh nilai t hitung
sebesar -0.065 1.685 dan signifikansi 0.949 0.05. hasil penelitian ini menunjukkan bahwa peningkatan profitabilitas tidak berpengaruh terhadap audit
Universitas Sumatera Utara
65 delay. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh
Rachmawati 2008 yang menyatakan bahwa variabel profitabilitas tidak mempunyai pengaruh terhadap audit delay. Hasil penelitian ini menunjukkan
bahwa besar kecilnya profitabilitas perusahaan tidak akan memengaruhi seberapa lama perusahaan menampilkan laporan tahunannya.
3. Pengaruh Umur Perusahaan terhadap Audit Delay